【数据分析面试】5.地址信息数据清洗合并 （Python）

题目

有两个数据框。一个包含有关地址的信息，另一个包含了不同城市和州之间的关系。

示例：

df_addresses

address
4860 Sunset Boulevard, San Francisco, 94105
3055 Paradise Lane, Salt Lake City, 84103
682 Main Street, Detroit, 48204
9001 Cascade Road, Kansas City, 64102
5853 Leon Street, Tampa, 33605

df_cities

city	state
Salt Lake City	Utah
Kansas City	Missouri
Detroit	Michigan
Tampa	Florida
San Francisco	California

编写一个函数 complete_address 来创建一个单一的数据框，其中包含完整的地址，格式为街道、城市、州、邮政编码。

输入：

import pandas as pd

addresses = {"address": ["4860 Sunset Boulevard, San Francisco, 94105", "3055 Paradise Lane, Salt Lake City, 84103", "682 Main Street, Detroit, 48204", "9001 Cascade Road, Kansas City, 64102", "5853 Leon Street, Tampa, 33605"]}

cities = {"city": ["Salt Lake City", "Kansas City", "Detroit", "Tampa", "San Francisco"], "state": ["Utah", "Missouri", "Michigan", "Florida", "California"]}

df_addresses = pd.DataFrame(addresses)
df_cities = pd.DataFrame(cities)

输出：

def complete_address(df_addresses,df_cities) ->

address
4860 Sunset Boulevard, San Francisco, California, 94105
3055 Paradise Lane, Salt Lake City, Utah, 84103
682 Main Street, Detroit, Michigan, 48204
9001 Cascade Road, Kansas City, Missouri, 64102
5853 Leon Street, Tampa, Florida, 33605

答案

答案代码

def complete_address(df_addresses, df_cities):
    # Split address column into street, city, and zip code
    df_addresses[['street', 'city', 'zip_code']] = df_addresses['address'].str.split(', ', expand=True)
    
    # Merge with df_cities to get state information
    df_complete = pd.merge(df_addresses, df_cities, on='city', how='left')
    
    # Rearrange columns and drop unnecessary columns
    df_complete = df_complete[['street', 'city', 'state', 'zip_code']]
    
    # Concatenate state with the city in the city column
    df_complete['city'] = df_complete['city'] + ', ' + df_complete['state']
    
    # Drop the state column as it's redundant
    df_complete.drop('state', axis=1, inplace=True)
    
    # Concatenate street, city, and zip code to get complete address
    df_complete['address'] = df_complete['street'] + ', ' + df_complete['city'] + ', ' + df_complete['zip_code']
    
    # Drop intermediate columns
    df_complete.drop(['street', 'city', 'zip_code'], axis=1, inplace=True)
    
    return df_complete

代码说明

这段代码使用了Pandas库中的一些常见功能和技术，主要包括：

1. 字符串操作：使用 str.split() 方法将地址列拆分为街道、城市和邮政编码，以及 str.join() 方法将这些部分连接起来。
2. 数据合并：使用 pd.merge() 函数将两个DataFrame进行合并，以获取城市对应的州信息。
3. 列操作：使用 df[column_name] 来选择DataFrame中的某一列，以及使用 df[[column_list]] 来选择多列。使用 df.drop() 方法删除不需要的列。
4. 数据重排：通过重新排列列的顺序，使DataFrame的列按特定顺序排列。
5. 数据清洗：删除不需要的中间列，以及删除冗余的状态列。
   这些操作结合起来，使得函数能够根据输入的地址数据和城市-州信息数据，生成完整的地址信息，并返回一个包含完整地址的DataFrame。